自动驾驶赛道2017:资本加注、技术演进、里程碑事件,但商业化仍前路漫漫

subtitle 36氪2017-11-27 17:04 跟贴 9 条

  回过头看,2007年初代iPhone的面世仍在持续数十年的推动着全人类的生活品质和社会效率的提升。如果要评选当下有什么技术变革的潜力能够达到与智能手机+移动互联网相当的影响力,2016年起持续升温的自动驾驶技术当之无愧。

  资本

  2007年,Google几乎仅凭着局外人的一腔热血成为唯一一家进入自动驾驶领域的巨头。相反,那些传统汽车巨头,如丰田、本田和福特们,出于技术挑战和商业可行性因素选择站在岸上。

  十年后,包括传统汽车OEM在内的巨头们对自动驾驶技术的态度发生了180°的大转弯。10月16日,美国知名智库布鲁金斯学会「Brookings Institution」发布了调研跨度长达三年(2014年8月-2017年6月)、涵盖全球市场的自动驾驶领域的投融资报告。

  宏观的看,过去三年在自动驾驶技术产业链发生了超800亿美元、共计160+项独立交易。投资细分领域涵盖了汽车电子、车规级芯片、共享汽车应用、AI/深度学习技术、高精度地图、非AI软件技术和硬件解决方案。

  布鲁金斯学会指出,2016年成为自动驾驶领域投资/合作的一个转折点,从去年开始,投资/合作的趋势呈现出多家巨头进入、投资金额显著加大、投资案例明显增多的特点。到2017年,自动驾驶技术投资/合作领域的繁荣势头更甚,2017年上半年曝光的案例已经达到2016年全年的75%。

  从资本的角度看,自动驾驶技术业者正处于历史上最好的发展机遇期。

  技术演进

  关于自动驾驶领域的另外一个好消息是,技术路线的分歧正在减小。整个业界曾演进出三种不同的技术路线,一种是激光雷达作为主传感器,代表企业为Google、百度等进入该领域较早的企业;二是多传感器融合方案,代表企业包括苹果、Uber等;第三种是相对激进的摄像头作为主传感器,代表企业包括特斯拉、Auto X等「轻感知,重算法」的企业。

  但随着技术的演进,技术分歧已经逐渐缩小,业界越来越多的趋向多传感器融合方案,例如摄像头的重要性在整个自动驾驶技术的感知部分正在不断上升,但仍然无法独立完成所有感知工作。从安全冗余原则考虑,摄像头辅以毫米波雷达及其他传感器促成更为全面的感知工作是十分必要的。另一技术阵营主推的、被普遍认为不可或缺的激光雷达也在可靠性、稳定性、抗干扰能力方面距离车规级要求存在较大差距,因而同样需要集成其他传感器实现感知的完备性。

  丰田自动驾驶汽车

  另一个利好的趋势表现在,越来越多的公司开始跳出刷Corner case改进算法、攻克激光雷达成本过高等本身,尝试从更宏观的角度去观察自动驾驶技术商业化存在的技术难题,并为之付诸努力。

  例如,L4级别的自动驾驶存在着非常大的算力和数据传输需求,英特尔的一份报告指出,自动驾驶汽车的计算量可以达到4TB/天,这也是当下诸多企业的自动驾驶汽车后备箱放置着巨大的计算及配套的散热设备的原因。另一方面,对自动驾驶技术算力需求表现最友好的GPU大厂英伟达此前推出了旗舰级Pegasus自动驾驶芯片,这款芯片的算力达到了320万亿次浮点运算/秒,在鲁棒性、多级冗余及撤回机制、车规级ASIL D安全性和数据带宽方面均有更好的支持。唯一不可回避的缺陷是,这款芯片功耗飙升至500W,是前代Xavier芯片的15倍以上。

  这款芯片暴露出一个问题:对自动驾驶而言,即便是英伟达这样顶级GPU大厂,在算力和功耗的平衡上也已经触到了天花板。更宏观的说,通用型计算平台很难同时满足自动驾驶要求的巨大算力和超低功耗。

  如何解决这一难题?这里举一个题外案例:在Google确立了AI First战略之后,很快发现了一个问题:即使大规模的部署英伟达的GPU,数据中心的功耗仍然飞速上涨。2015年,Google研发数年的AI专用芯片TPU(张量处理单元)开始投入应用,TPU是从芯片架构层面专为机器学习设计和研发的高效能芯片。Google在一篇论文中介绍,TPU比GPU/CPU 快15~30倍、性能功耗比(TOPS/Watt)高出约30~80倍。

  我们不确定地平线是否受Google启发,但这家中国创业公司正在同时推进自动驾驶算法和嵌入式人工智能硬件IP的设计和研发。地平线创始人余凯是前百度研究院副院长,也是百度内部最早推动自动驾驶项目的管理层之一。而地平线管理层既有前百度、Facebook技术Lead,也有华为、诺基亚的研发领头人,具备推进自动驾驶技术软硬一体化研发的条件。根据余凯的介绍,更低功耗下,地平线的BPU相对通用型计算平台会有2~3个数量级的算力提升。

  图片来自地平线官网

  除了地平线,我们判断特斯拉也有自研专用型自动驾驶芯片的可能。第一,有「Chip God」之称的前AMD首席芯片架构师Jim Keller及其团队已经入职特斯拉两年之久,他的入职Title是Autopilot硬件副总裁,如今则在统领Autopilot软硬件的研发。特斯拉在其致股东信提到:“我们的目标是打造全行业全球领先的人工智能团队,并将之同时部署到硬件和软件。”另一个佐证来自特斯拉Q3财报电话会议,特斯拉CEO Elon Musk被要求就英伟达Pegasus芯片比特斯拉Autopilot 2.0上的Drive PX 2性能好十倍,阐述特斯拉下一步的自动驾驶硬件策略。Musk的回应并未针对英伟达,而是围绕特斯拉本身:

  「we'll have more to say on the hardware front soon, we're just not ready to say anything now. But I feel very optimistic on that front……we feel confident of the competitiveness of our hardware strategy. I would say that, we are certain that our hardware strategy is better than any other option, by a lot.」

  (我们很快就会有一些硬件层面的新进展宣布,只是还没有万事俱备,但我对此非常乐观……我们对特斯拉硬件战略的竞争力充满信心,我想说的是,我们确信特斯拉的硬件战略比任何解决方案都好不止一个量级。

  什么方案可以比哪怕号称全球首款L5级自动驾驶芯片英伟达Pegasus还要“好不止一个量级”?唯有重构芯片架构的专用型芯片可以带来这样的突破。事实上英伟达Pegasus芯片本身,已经可以算作面向自动驾驶的计算需求而打造的全新构架的计算平台。

  我们认为,尽管英特尔、英伟达等传统芯片大厂的自动驾驶芯片仍然有着广阔的市场空间,但率先将专用型自动驾驶芯片商业化的企业将在未来的竞争中占据更加主动的地位。

  自动驾驶领域的里程碑式进展

  除了技术路线的精进,领头羊的技术突破也赋予了其他业者更多启发和借鉴。Google Waymo公司CEO John Krafcik在本月上旬的一次演讲中披露,Waymo早在10月中旬就已经开始测试「无人」自动驾驶汽车了。这里的「无人」是指,没有任何测试人员坐在驾驶位以备紧急情况下接管汽车。作为这一波自动驾驶浪潮的鼻祖,Waymo成为了业界最先达到L4临级别自动驾驶临界点的先行者。我们认为,这一技术突破可以算作自动驾驶领域年度里程碑意义的事件。

  Google早期的豌豆荚自动驾驶汽车

  围绕L4级别的自动驾驶商业化,Waymo做了大量完备细致的工作。在所有业者集中投入的软件算法迭代部分,Waymo已经积累了超过350万英里的真实路测数据。作为全球首屈一指的互联网巨头,Google内部建立了一个细节足以比拟现实世界的模拟器去跑数据。根据官方给到的数据,每天有25000辆Waymo自动驾驶汽车在模拟器中“行驶”800万英里的路测数据。截至目前,Waymo积累的虚拟路测数据已经超过10亿英里。

  Waymo还自行研发了整套性能表现更友好的传感器解决方案,这些硬件随着Waymo的自动驾驶汽车在世界各地的极端环境(包括极端高/低温、大暴雨/雪、飓风等)中接受了暴力测试,以验证可靠性和耐久性。

  最重要的一点:Waymo为旗下自动驾驶汽车研发了多个冗余系统——这是所有整车厂和自动驾驶创业公司的分歧所在,前者对于自动驾驶技术的商业化的原则是安全第一,而冗余机制被认为是保证安全的基本路径。从供应链消息看,全球顶级的Tier 1供应商博世、大陆的带冗余的转向执行机构量产节点都在2023年左右,这也是整机厂普遍对自动驾驶商业化态度保守的原因之一。而Waymo自行研发了备份制动、备份转向(包括独立的控制器和供电)、备份电源、备份碰撞检测和碰撞规避、冗余惯性测量系统等一系列冗余配置,在安全层面也达到了L4级别的要求。

  除此之外,Waymo也在自动驾驶汽车的通信安全、事故数据记录等方面做了诸多努力,这些被公开的探索方向为其他业者的进一步研发和探索提供了很好的启发和借鉴。

  商业化前路漫漫

  Waymo的里程碑式进展带给我们一种错觉:既然真·无人驾驶汽车已经在公开道路上投入测试了,面向公众正式商业化还会远吗?

  所有的问题都应该辩证的看,例如Google、英伟达、地平线、特斯拉(存疑)都致力于打造能效比更优的芯片,但均看不到近期商业化的可能。此外对于抬高硬件成本的罪魁祸首激光雷达,无论是巨头Velodyne、博世、法雷奥还是Quanergy、Innoviz、Strobe等都宣称取得了大幅提升性能和可靠性同时将成本大幅压缩的技术突破,但量产节点都落在了2020年左右。

  最滞后的零部件仍然是安全冗余执行机构的大规模量产节点,此前Google Waymo宣称通过技术改进成功将硬件解决方案的成本下降了90%+,也确实推出了当下冗余配置最完备的自动驾驶车型,但Waymo与整机厂FCA合作生产的自动驾驶汽车车队规模仅为600辆,远未达到“大规模量产”的标准。

  Waymo与整机厂FCA合作生产的自动驾驶汽车

  有一个利好电动汽车创业公司的因素是,电动汽车对自动驾驶技术更加友好,对于燃油车平台,自动驾驶系统从发出指令到执行层燃烧、做功、再输出平均耗时400-500毫秒,电动车平台仅需30毫秒,即使加上决策、分析、感知的时间,也可以控制到两百毫秒以内,所以利用电动汽车低延时的特性做自动驾驶是天然的优势。

  讲这个的背景是,尽管几乎所有主流车企都在全面转向电气化,但大部分传统汽车巨头的首款电动汽车量产节点都定了在2018年-2019年,也就意味着自动驾驶商业化的节点将随之更加滞后。

  对于除Waymo外的其他公司而言,还有一个问题是算法和路测数据本身和Waymo存在较大差距,改进算法以不断逼近L4级自动驾驶的临界点并非易事。所谓“把精度提升从90%-99.99%的提升难度要远远高于0-90%。”甚至对Waymo开展真·无人驾驶汽车公开测试我们也要打一个问号,Waymo共积累了10亿英里虚拟路测数据+350万真实路测数据,在这期间Coener case出现的频率有多高?可能每10万英里才出现一例,可能更低频。所以穷尽各种极端路况是一项道阻且长的工作,特斯拉CEO Elon Musk此前说要实现L4级别的自动驾驶技术,大概需要100亿英里的路测数据。比Waymo的指标高了整整一个数量级,那么临界点到底是10亿英里或100亿英里甚至1000亿英里?并没有一个明确的结论,更勿论在这之后更加复杂漫长的自动/非自动车博弈和政府监管等工作了。

  甚至从投资的角度看,创业公司「正处于历史上最好的发展机遇期」的另一种表述是,这个行业存在巨大的泡沫,一位新造车公司管理层曾公开表示“现在L4自动驾驶的泡沫比两年前的VR还要大太多,18个月后肯定会出现非常多问题。和Tesla和很多团队聊,做自动驾驶10个月的就认为是资深专家,而这样的团队几个人就可以随便融到天使。”鉴于创业团队实现自动驾驶技术突破进而商业变现的难度,我们预判自动驾驶领域的投融资已经走到全盛时期,2018年-2019年将转入泡沫破灭期,逐渐出现兼并甚至倒闭案例。

  中国

  根据布鲁金斯学会的统计,中国是为数不多的在自动驾驶领域出现创业和投融资热潮的国家之一。谈到中国市场,除了上面已经提到的地平线等创业尖兵,百度在自动驾驶领域的大笔投入是一个避不开的课题。众所周知,百度于今年7月15日正式面向业界推出了阿波罗平台,截至目前,已经有多家整车厂通过阿波罗平台与百度达成合作,并明确了自动驾驶汽车量产节点。

  百度阿波罗开放路线图

  百度敢于以开源、开放的生态系统思路推动自动驾驶技术商业化主要出于中国市场的特殊性,百度集团总裁陆奇此前接受外媒采访坦承百度的机会在于「中国是个严重碎片化的市场,那里有超过250家车企,没有一家有能力把(自动驾驶)研发做精做深。」另外一个理由则是百度自身是中国市场技术最领先、资本实力最雄厚(对商业变现不迫切)的自动驾驶业者。

  据36氪了解,除了百度,BAT中的阿里和腾讯也都有自动驾驶研发团队,阿里由云研究院负责推进,但项目进展不及预期;腾讯自动驾驶团队隶属于地图平台部,技术水平距离百度也有较大差距。整体而言,阿里腾讯对自动驾驶技术均没有达到百度的重视程度。据悉,阿里和腾讯也一直在自动驾驶领域寻找优秀的投资标的,但近期愈演愈烈的泡沫化让两家巨头一直没有出手。往“阴谋论”的方向想,二者或许都在等待18个月后泡沫破灭期入场收割。收窄了中国本土的整机厂们在自动驾驶合作上的选择范围,让百度获得了更大的战略机遇。

  我们判断,中国市场的自动驾驶技术推进将呈现阿波罗生态+整机厂结盟高德四维图新等+少数主机厂自主研发的演进特点,同时创业公司在垂直细分市场的商业化会更加迅速,甚至快于美国。

  毋庸置疑,这场挟裹新老车企、上下游产业链、政府监管部门的汽车自动化征程仍然存在着各种各样复杂困难需要克服,但终将面向消费者接受真正的考验。我们期待看到改变,正如一位自动驾驶业者说的那样:“我们希望变革这一切,我们希望重塑行业。”

声明:网易刊登此文仅出于传递信息之目的,绝不代表网易赞同其观点或证实其描述。
热门跟贴
大家都在看